EGGSCAN-AI - APLICAÇÃO WEB PARA CONTAGEM DE OVOS EM OVITRAMPAS PARA AEDES SPP.

Autores

DOI:

https://doi.org/10.14393/Hygeia2279463

Palavras-chave:

Aprendizado profundo, Contagem automatizada, Mosquitos vetores, Vigilância entomológica

Resumo

A pesquisa apresenta o EggScan-AI, uma aplicação web desenvolvida para automatizar a contagem de ovos de Aedes spp. em palhetas de fibra de madeira utilizadas em ovitrampas, preconizadas pelo Ministério da Saúde do Brasil. O objetivo é oferecer uma solução prática e escalável para programas de vigilância entomológica. A metodologia envolveu a instalação das armadilhas e obtenção de 130 palhetas em duas localidades no munícipio de Porto Velho-RO, seguido da digitalização com scanner doméstico, pré-processamento das imagens e o treinamento de um modelo YOLOv11 sobre 1.513 amostras de ovos registrados. O desempenho do modelo resultou em um mAP@50 de 0,895, precisão de 0,925 e recall de 0,808. Em ambiente operacional, com 130 palhetas reais, houve boa capacidade preditiva do modelo para a quantidade de ovos de Aedes observada (r = 0,92). Os resultados mostraram concordância com a avaliação humana e robustez em condições reais. Conclui-se que o EggScan-AI pode ser uma ferramenta acessível, consistente, capaz de reduzir o tempo das contagens e ampliar o esforço amostral durante o monitoramento desse importante mosquito, fortalecendo as estratégias de vigilância e controle vetorial.

 

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • William Cardoso Barbosa, Fundação Oswaldo Cruz

    Atuou como desenvolvedor pleno fullstack na GOAT Tech (2020–2025), com ênfase em sistemas para o setor odontológico baseados em React.js, Node.js e microserviços. Foi aluno do Projeto Palomakoba em parceria com a Motorola Mobility (2021–2022), no qual desenvolveu um bloqueador de chamadas e SMS de spam diretamente no core do Android AOSP. No mesmo período, ingressou no curso de Ciência da Computação na Universidade Federal de Rondônia – UNIR (2021–2025). Em 2022, desenvolveu o Projeto Derun, voltado à otimização de algoritmos de grafos e definição de rotas urbanas, e iniciou suas atividades como pesquisador na Fiocruz Rondônia (2022–2025), contribuindo para o fortalecimento das ações de pesquisa e vigilância de doenças tropicais na região amazônica, incluindo o desenvolvimento de uma plataforma para contagem automatizada de ovos de mosquitos em ovitrampas. Entre 2022 e 2023, atuou como monitor voluntário em disciplinas de Programação e Estruturas de Dados. Em 2023, fundou a EcoTech Amazônia (2023–atual), empresa que integra tecnologia, floresta e economia, organizada como uma rede de startups criada com recursos limitados e voltada à solução de problemas regionais, como a escassez de inovação, liderando projetos como o Conecte Cacau e o QualisCacau, este último premiado nacionalmente por soluções de agricultura sustentável com uso de IA. No mesmo ano, foi finalista nacional da Maratona de Programação SBC/ICPC 2023. Atualmente, está se especializando em Inteligência Artificial Aplicada pela Universidade Federal do Paraná – UFPR (2025–2026) e realiza mestrado em Inteligência Artificial pela Universidade de São Paulo – USP, no Instituto de Matemática e Ciências da Computação (ICMC), vinculado ao LABIC – Laboratório de Inteligência Computacional (2025–atual), com pesquisas em mineração de dados não estruturados, processamento de linguagem natural, open-world classification e extração de características complexas em texto.

  • Matheus de Araújo Paz, Fundação Oswaldo Cruz

    Graduado em Ciências Biológicas - Universidade Federal de Rondônia UNIR. Foi bolsista de Iniciação Cientifica (IC) da Chamada Pró Rondônia FAPERO/CAPES n. 012/2016, trabalhando com experimentação em Arena com triatomíneos no Laboratório de Entomologia - FIOCRUZ RO. Foi bolsista Fiotec de Dezembro de 2023 a Maio de 2024. Foi bolsista pelo Programa Institucional de Bolsa de Iniciação à Docência -2020 (PIBID). Foi bolsista pelo Programa Institucional de Bolsas de Monitoria Acadêmica, sendo monitor da matéria de anatomia humana. Possui experiência em técnicas de Entomologia: manutenção de colônia de triatomíneos, montagem e armazenamento de triatomíneos em Coleção Entomológica, coleta de fezes de triatomíneos, triagem e identificação de anofelinos, montagem e identificação de Odonata e Lepidoptera, identificação taxonômica de peixes de água doce Desenvolveu Práticas de Ensino, participando do PROJETO CLUBE DAS CIÊNCIAS: Interdisciplinaridades Aplicadas no Ensino Médio. Atualmente colaborador como estagiário não remunerado no Laboratório de Diversidade e Biologia de Insetos (LaBDIn), trabalhando com triagem, montagem, curadoria e coleta de insetos diversos. Voluntário na Associação de Defesa Etnoambiental Kanindé. 

  • Mirilene Mendes Martins, Universidade Federal de Rondônia

    Bióloga formada pelo Centro Universitário Aparício Carvalho - FIMCA no ano de 2019. Realizei Iniciação Científica no Laboratório de Bioecologia de Insetos (LaBEIn) na Universidade Federal de Rondônia na área de Entomologia Médica com foco em Bioprospecção, Biologia e Ecologia de Vetores. Ainda no LaBEIn fui Auxiliar Técnica trabalhando na metodologia de criação do Projeto Mansonia. Fui Técnica de Desenvolvimento Tecnológico e Industrial (Técnica DTI), na Plataforma de Produção e Infecção de Vetores de Malária (PIVEM/Fiocruz RO) trabalhando na Manutenção da colônia de An. darlingi, An.deaneorum e An. aquasalis no laboratório de Entomologia da Fiocruz- RO e no modelo Experimental de Estudo da Relação Patógeno- vetor (Plasmodium vivax An. darlingi) para Desenvolvimento de Estratégias de Controle no Brasil. Mestra pelo PGBIOEXP com o projeto "Avaliação de Estação de Isca Açucarada Tóxica (TSB) para controle de Aedes aegypti no Campus José Ribeiro Filho da Universidade Federal de Rondônia" pelo LaBEin.

  • Alexandre de Almeida e Silva, Universidade Federal de Rondônia

    Sou graduado em Ciências Biológicas (1995) pela FFCLRP/USP, realizei o mestrado (1999) e doutorado (2004) pelo PPG em Entomologia pela FFCLRP/USP. Em 2005, como bolsista DCR/CNPq, passei a integrar o Laboratório de Entomologia do Instituto de Pesquisa em Patologias Tropicais (IPEPATRO) em Porto Velho, Rondônia, onde iniciei meus trabalhos com mosquitos. Em 2006, ingressei como professor do curso de graduação em Ciências Biológicas da Universidade Federal de Rondônia (UNIR), e também como professor permanente do PPG-Biologia Experimental/UNIR. Em 2008, criamos o Laboratório de Bioecologia de Insetos (LABEIN) na UNIR. Em 2012, fiz pos-doc (Ciências sem Fronteiras/CNPq) no Laboratório do Dr. Silverman na University of Massachusetts. Em 2020 passei a integrar o PPG-Conservação e Uso de Recursos Naturais (PPGReN) como professor permanente. Atualmente, trabalhamos com biologia e controle dos mosquitos Aedes aegypti, Anopheles darlingi e Mansonia spp, incluindo a bioprospeção de moléculas inseticidas e repelentes e também o uso de estratégias alternativas para o controle como as iscas atraentes açucaradas tóxicas (ATSBs)

  • Jonathan da Silva Ramos, Universidade Federal de Rondônia

    Professor do magistério superior da Universidade Federal de Rondônia (2022 até o momento), na qual obteve o título de bacharel em informática (2013). Possui Mestrado/Doutorado/Pós-Doutorado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (2016, 2021, e 2022, respectivamente). Tem experiência na área de Ciência da Computação, com ênfase em Processamento de Imagens Digitais na medicina, atuando principalmente nos seguintes temas: recuperação por conteúdo, aprendizado de máquina, inteligência artificail e análise de dados.

  • Genimar Rebouças Julião, Fundação Oswaldo Cruz

    Possui graduação em Ciências Biológicas pela Universidade Federal de Minas Gerais (1996), mestrado em Ecologia e Conservação pela Universidade Federal de Mato Grosso do Sul (1999) e doutorado em Biologia pelo Instituto Nacional de Pesquisas da Amazônia (INPA-2007). Tem experiência na área de Ecologia de Insetos Galhadores e Ecologia de Insetos Vetores de Doenças na Amazônia. Atualmente é Pesquisadora em Saúde Pública na Fiocruz Rondônia e Chefe do Laboratório de Entomologia. Atua na área de Entomologia e Ecologia de Vetores, desenvolvendo estudos sobre padrões de distribuição e diversidade de Culicidae, Phlebotominae, Ceratopogonidae, e Triatominae (Reduviidae), status de infecção natural e experimental, estratégias alternativas para vigilância e monitoramento de vetores e de patógenos, uso de ferramentas digitais e vigilância integrada. Orienta em Mestrado e Doutorado dos Programas de Pós-Graduação em Biologia Experimental (PGBIOEXP, Associativo Fiocruz RO e UNIR) e de Pós-Graduação em Biodiversidade e Saúde (PGBS IOC). É sócia da Sociedade Brasileira para o Progresso da Ciência (SBPC) e membro da Sociedad Latinoamericana de Ecología de Vectores (Latin American Society for Vector Ecology - LASOVE).

  • Fernando Berton Zanchi, Fundação Oswaldo Cruz

    Possui graduação em Física pela Universidade Federal de Rondônia (1999), Mestrado em Biologia Experimental (2003), em que estudou Modelagem Molecular aplicada a imunodiagnóstico para Dengue e Doutorado em Biologia Experimental (2009), com a tese em Dinâmica Molecular para o desenvolvimento de novos fármacos contra malária, ambos na Universidade Federal de Rondônia. Atualmente é pesquisador da FIOCRUZ Rondônia e professor do programa de Pós graduação em Biologia Experimental - PGBIOExp (Nível 4) e da Rede BIONORTE (Nível 5). Foi coordenador representante da Fiocruz Rondônia no colegiado do BIONORTE de 2018 a 2022. Também é professor colaborador da Turma Especial do Doutorado em Ciências do Programa de Pós-graduação da BCS/IOC (Nível 5). Tem trabalhado atualmente com Bioinformática e Bioquímica molecular no desenvolvimento de fármacos e dinagnóstico de doenças parasitárias incluindo uso de Inteligência Artificial. Nos últimos anos tem trabalhado com inovação tecnológica apoiando Startups com os alunos no desenvolvimento de kits enzimáticos in vitro e tecnologias in silico para prospecção de novos Fármacos e diagnósticos de doenças tropicais aprovando diversos projetos com financiamento nessas linhas de atuação.

Referências

ANJARIA, P.; ASEDIYA, V.; BHAVSAR, P.; PATHAK, A.; DESAI, D.; PATIL, V. Artificial Intelligence in Public Health: Revolutionizing Epidemiological Surveillance for Pandemic Preparedness and Equitable Vaccine Access. Vaccines, v. 11, n. 7, p. 1154, 2023. https://doi.org/10.3390/vaccines11071154

BLAND, J. M.; ALTMAN, D. G. Statistical methods for assessing agreement between two methods of clinical measurement. The Lancet, v. 327, n. 8476, p. 307–310, 1986.

BORBA, V. H.; MARTIN, C.; MACHADO-SILVA, J. R.; XAVIER, S.; DE MELLO, F.; IÑIGUEZ, A. M. Machine learning approach to support taxonomic species discrimination based on helminth collections data. Parasites & Vectors, v. 14, n. 1, 2021.https://doi.org/10.1186/s13071-021-04721-6

BRASIL. Ministério da Saúde. Programa Nacional de Controle da Dengue – PNCD. Brasília: Ministério da Saúde, 2002.

BRASIL. Ministério da Saúde. 2025a. Centro de Operações de Emergências Dengue e outras arboviroses, Informe Semanal no 17, SE 01 a 23/2025 (09/06/2025), https://www.gov.br/saude/pt-br/assuntos/saude-de-a-a-z/a/arboviroses/informe-semanal/2025. Acesso em: 7 abr. 2025.

BRASIL. Ministério da Saúde. 2025b. Secretaria de Vigilância em Saúde e Ambiente, Departamento de Doenças Transmissíveis, Coordenação-Geral de Vigilância de Arboviroses, Nota Técnica nº 3/2025-CGARB/DEDT/SVSA/MS - Implementação da estratégia de Vigilância Entomológica de Aedes aegypti e Aedes albopictus com armadilhas ovitrampas para o território nacional.

CODEÇO, Claudia T. et al. Surveillance of Aedes aegypti: comparison of house index with four alternative traps. PLoS Neglected Tropical Diseases, v. 9, n. 2, p. e0003475, 2015. https://doi.org/10.1371/journal.pntd.0003475

DAUDT-LEMOS, Matheus et al. Rising Incidence and Spatiotemporal Dynamics of Emerging and Reemerging Arboviruses in Brazil. Viruses, v. 17, n. 2, p. 158, 2025. DOI: https://doi.org/10.3390/v17020158

DIWAN, T.; ANIRUDH, G.; TEMBHURNE, J. V. Object detection using YOLO: challenges, architectural successors, datasets and applications. Multimedia Tools and Applications, v. 82, n. 6, p. 9243–9275, 2022. https://doi.org/10.1007/s11042-022-13644-y

DWYER, B.; NELSON, J.; HANSEN, T.; et al. Roboflow (Version 1.0) [Software]. 2024. Disponível em: https://roboflow.com. Acesso em: 7 abr. 2025.

EVANS, C. C.; MOORHEAD, A. R. A stand-alone tool for mosquito egg enumeration. Journal of the American Mosquito Control Association, v. 41, n. 1, p. 43–46, 2025.

EVERINGHAM, M.; VAN GOOL, L.; WILLIAMS, C. K. I.; WINN, J.; ZISSERMAN, A. The Pascal Visual Object Classes (VOC) Challenge. International Journal of Computer Vision, v. 88, n. 2, p. 303–338, 2010.

FAY, R.W.; ELIASON, D.A. A preferred oviposition sit as a surveillance method for Aedes aegypti. Mosquito News 26: 531–535 pmid:14651662, 1966.

FIOCRUZ. Instituto Oswaldo Cruz. Nota Técnica n.º 3/2014/IOC-FIOCRUZ/Diretoria: avaliação de armadilhas para a vigilância entomológica de Aedes aegypti com vistas à elaboração de novos índices de infestação. Rio de Janeiro: Fiocruz, 2014. Disponível em: https://fiocruz.br/ioc/media/nota_tecnica_ioc_3.pdf. Acesso em: 7 abr. 2025.

GABURRO, J.; DUCHEMIN, J-B; PARADKAR, P.N.; NAHAVANDI, S.; BHATTI, A. Assessment of ICount software, a precise and fast egg counting tool for the mosquito vector Aedes aegypti. Parasites & Vectors, v. 9, p. 590, 2016. https://doi.org/10.1186/s13071-016-1870-1

HAY, S. I.; GEORGE, D. B.; MOYES, C. L.; BROWNSTEIN, J. S. Big Data Opportunities for Global Infectious Disease Surveillance. PLoS Medicine, v. 10, n. 4, e1001413, 2013. https://doi.org/10.1371/journal.pmed.1001413

HONÓRIO, N.A.; NOGUEIRA, R.M.R.; CODEÇO, C.T.; CARVALHO, M.S.; CRUZ, O.G.; MAGALHÃES M.A.F.M.; ARAÚJO, J.M.G.; ARAÚJO, E.S.M.; GOMES, M.Q.; PINHEIRO, L.S.; PINEL, C.S.; LOURENÇO-DE-OLIVEIRA, R. Spatial Evaluation and Modeling of Dengue Seroprevalence and Vector Density in Rio de Janeiro, Brazil. PLoS Neglected Tropical Diseases, v. 3, n. 11, p. e545, 2009. https://doi.org/10.1371/journal.pntd.0000545

JAVED, N.; LÓPEZ-DENMAN, A. J.; PARADKAR, P. N.; BHATTI, A. EggCountAI: a convolutional neural network-based software for counting of Aedes aegypti mosquito eggs. Parasites & Vectors, v. 16, n. 341, 2023. https://doi.org/10.1186/s13071-023-05956-1

KHANAM, R.; HUSSAIN, M. YOLOv11: An Overview of the Key Architectural Enhancements. 2024. Disponível em: https://arxiv.org/abs/2410.17725. Acesso em: 12 abr. 2025.

KÜHL, N.; SCHEMMER, M.; GOUTIER, M.; SATZGER, G. Artificial intelligence and machine learning. Electronic Markets, v. 32, n. 4, p. 2235–2244, 2022. https://doi.org/10.1007/s12525-022-00598-0

LAZUARDY, M. F. S.; ANGGRAINI, D. Modern Front End Web Architectures with React.Js and Next.Js. International Research Journal of Advanced Engineering and Science, v. 7, n. 1, p. 132–141, 2022. Disponível em: https://irjaes.com/wp-content/uploads/2022/02/IRJAES-V7N1P162Y22.pdf. Acesso em: 22 abr. 2025.

LIMA-CAMARA, T. N. de; HONÓRIO, N. A.; LOURENÇO-DE-OLIVEIRA, R. Frequência e distribuição espacial de Aedes aegypti e Aedes albopictus (Diptera, Culicidae) no Rio de Janeiro, Brasil. Cadernos de Saúde Pública, v. 22, n. 10, p. 2079–2084, out. 2006. https://doi.org/10.1590/S0102-311X2006001000013

LIU, W.; ANGUELOV, D.; ERHAN, D.; SZEGERY, C.; REED, S.; FU, C. Y.; BERG, A. C. SSD: Single shot multibox detector. In: Computer Vision – ECCV 2016: 14th European Conference, Amsterdam, The Netherlands, October 11–14, 2016, Proceedings, Part I 14. Springer International Publishing, 2016. p. 21–37.

LIU, Y. L.; ZHAI, X. Z.; OLUWAFEMI, A. R.; ZHANG, H. Y. Influence of Substrate Color on Oviposition Behavior, Egg Hatchability, and Substance of Egg Origin in the Mosquito Anopheles sinensis (Wiedemann) (Diptera: Culicidae). Neotropical Entomology, v. 43, p. 483–487, 2014. https://doi.org/10.1007/s13744-014-0236-7

MAIA, J. C. S.; FERREIRA, H. R. P.; SILVA, L. E. S.; SANTANA, J. S.; LEAL, J. F. C.; TEIXEIRA, A. C.; GUEDES, M. I. F.; MARQUES, M. M. M.; PACHECO, A. C. L. M. Mapeamento de mosquitos Aedes spp. e detecção do vírus Dengue em zona urbana do município de Picos, Piauí. Research, Society and Development, v. 11, n. 1, e56311125157, 2022. https://doi.org/10.33448/rsd-v11i1.25157

MUZUMDAR, P.; BHOSALE, A.; BASYAL, G. P.; KURIAN, G. Navigating the Docker Ecosystem: A Comprehensive Taxonomy and Survey. Asian Journal of Research in Computer Science, v. 17, n. 1, p. 42–61, 2024. Disponível em: https://arxiv.org/abs/2403.17940. Acesso em: 22 abr. 2025.

NEILL, D. B. New Directions in Artificial Intelligence for Public Health Surveillance. IEEE Intelligent Systems, v. 27, n. 1, p. 56–59, 2012. https://doi.org/10.1109/mis.2012.18

NARANJO-ALCAZAR, J.; GRAU-HARO, J.; ZUCCARELLO, P.; ALMENAR, D.; BALLESTER, J. L.. Automatic counting and classification of mosquito eggs in field traps. Technical Report, Instituto Tecnológico de Informática, Valencia, 15 out. 2024.

OLIVER, N.; LEPRI, B.; STERLY, H.; LAMBIOTTE, R.; DELETAILLE, S.; DE NADAI, M.; LETOUZÉ, E.; SALAH, A. A.; BENJAMINS, R.; CATTUTO, C.; COLIZZA, V.; DE CORDES, N.; FRAIBERGER, S. P.; KOEBE, T.; LEHMANN, S.; MURILLO, J.; PENTLAND, A.; PHAM, P. N.; PIVETTA, F.; VINCK, P. Mobile phone data for informing public health actions across the COVID-19 pandemic life cycle. Science Advances, v. 6, n. 23, 2020. https://doi.org/10.1126/sciadv.abc0764

REDMON, J.; DIVVALA, S.; GIRSHICK, R.; FARHADI, A. You Only Look Once: Unified, Real-Time Object Detection. In: IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Las Vegas, 2016. Proceedings [...]. [S.l.: s.n.], 2016. p. 779–788. https://doi.org/10.1109/CVPR.2016.91.

REITER, P.; AMADOR, M.A.; COLON, N. Enhancement of the CDC ovitrap with hay infusions for daily monitoring of Aedes aegypti populations. Journal of the American Mosquito Control Association, v. 7, n. 1, p. 52-55, 1991.

REN, S.; HE, K.; GIRSHICK, R.; SUN, J. Faster R-CNN: Towards real-time object detection with region proposal networks. Advances in Neural Information Processing Systems, v. 28, 2015.

SANTOS, J. P. C. D.; HONÓRIO, N. A.; NOBRE, A. A. Definition of persistent areas with increased dengue risk by detecting clusters in populations with differing mobility and immunity in Rio de Janeiro, Brazil. Cadernos de Saúde Pública, v. 35, n. 12, p. e00248118, 2019. https://doi.org/10.1590/0102-311X00248118

SANTOS, J. P. C.; HONÓRIO, N. A.; BARCELLOS, C.; NOBRE, A. A. A perspective on inhabited urban space: land use and occupation, heat islands, and precarious urbanization as determinants of territorial receptivity to dengue in the city of Rio de Janeiro. Int J Environ Res Public Health v.17 n. 18, p. 6537, 2020. https://doi.org/10.3390/ijerph17186537

SHEIKH, H.; PRINS, C.; SCHRIJVERS, E. Mission AI: The New System Technology. Springer Nature, 2023.

SILVA, L. M. de S.; LOPES, L. S.; BARROS, V.; ARAUJO, F. H. D. Segmentação e contagem automática de ovos do Aedes aegypti em palhetas de ovitrampa baseada em aprendizado profundo. Revista de Sistemas e Computação, v. 12, n. 1, p. 60–69, jan./abr. 2022. DOI: 10.36558/rsc.v12i1.7595. Disponível em: https://revistas.unifacs.br/index.php/rsc. Acesso em: 28 abr. 2025.

SOUZA, R. L.; NAZARE, R. J.; ARGIBAY, H. D.; PELLIZZARO, M.; ANJOS, R. O.; PORTILHO, M. M.; JACOB-NASCIMENTO, L. C.; REIS, M. G.; KITRON, U. D.; RIBEIRO, G. S. Density of Aedes aegypti (Diptera: Culicidae) in a low-income Brazilian urban community where dengue, Zika, and chikungunya viruses co-circulate. Parasites & Vectors, v. 16, n. 1, art. 159, 2023. https://doi.org/10.1186/s13071-023-05766-5

VAN RIJSBERGEN, C. J. Information Retrieval. 2. ed. London: Butterworths, 1979.

VICENTE, M. N. de O.; HIGA, G. T. H.; PORTO, J. V. de A.; NUCCI, H. H. P.; SANTANA, A. B.; PORTO, K. R. de A.; ROEL, A. R.; PISTORI, H. Aedes aegypti Egg Counting with Neural Networks for Object Detection. Revista de Informática Teórica e Aplicada, v. 32, n. 1, p. 287–293, fev. 2025. https://doi.org/10.22456/2175-2745.143494

VICENTE, M. N. de O. et al. Aedes aegypti egg counting with neural networks for object detection. Revista de Informática Teórica e Aplicada, v. 32, n. 1, p. 287–293, 2025. https://doi.org/10.22456/2175-2745.143494

VIRTANEN, P. et al. SciPy 1.0: fundamental algorithms for scientific computing in Python. Nature Methods, v. 17, n. 3, p. 261–272, 2020. https://doi.org/10.1038/s41592-019-0686-2

WALLAU, G. L. et al. Arbovirus researchers unite: expanding genomic surveillance for an urgent global need. The Lancet Global Health v. 11, n. 10, p. e1501-e1502, 2023. DOI: https://doi.org/10.1016/S2214-109X(23)00325-X

WANG, M. et al. Enhancing vector control: AI-based identification and counting of Aedes albopictus (Diptera: Culicidae) mosquito eggs. Parasites & Vectors, v. 17, art. 511, 2024. https://doi.org/10.1186/s13071-024-06587-w

XU, Y.; GOODACRE, R. On splitting training and validation set: a comparative study of cross-validation, bootstrap and systematic sampling for estimating the generalization performance of supervised learning. Journal of Analytical Testing, v. 2, n. 3, p. 249–262, 2018. https://doi.org/10.1007/s41664-018-0068-2

XU, Z.; LOU, W.; LU, W.; WEI, W. Cell State Recognition of Cytopathic Effect with YOLO Detector. Journal of Physics Conference Series, v. 2456, n. 1, p. 012029, 2023. https://doi.org/10.1088/1742-6596/2456/1/012029

ZEMOURI, R.; ZERHOUNI, N.; RACOCEANU, D. Deep Learning in the Biomedical Applications: Recent and Future Status. Applied Sciences, v. 9, n. 8, 1526, 2019. https://doi.org/10.3390/app9081526

Downloads

Publicado

01-06-2026

Edição

v. 22 (2026)

Seção

Artigos

Licença

A submissão do texto por meio eletrônico implica a transferência de direitos exclusivos de publicação, por seis meses a partir da data de submissão. A partir da data do aceite para publicação, os direitos se entendem por mais outros seis meses. Ao publicar o texto, a revista se reserva o direito de manter o trabalho permanentemente disponível, permitindo-se ao autor, após os seis meses de exclusividade mencionados, a republicação, em quaisquer outros meios de divulgação, desde que mencionada a fonte original.

Como Citar

BARBOSA, William Cardoso; PAZ, Matheus de Araújo; MARTINS, Mirilene Mendes; SILVA, Alexandre de Almeida e; RAMOS, Jonathan da Silva; JULIÃO, Genimar Rebouças; ZANCHI, Fernando Berton. EGGSCAN-AI - APLICAÇÃO WEB PARA CONTAGEM DE OVOS EM OVITRAMPAS PARA AEDES SPP. Hygeia - Revista Brasileira de Geografia Médica e da Saúde, Uberlândia, v. 22, p. e2226, 2026. DOI: 10.14393/Hygeia2279463. Disponível em: https://seer.ufu.br/index.php/hygeia/article/view/79463. Acesso em: 5 jun. 2026.